Если у меня есть модель, подобная той, что приведена ниже, как мне получить доступ к функции anano, чтобы получить значения (-и) для моей модели, я подхожу?Есть ли способ генерировать переменные из pymc3?
Это довольно простая модель, поэтому я могу просто рассчитать с необработанными function
для моих переменных. Тем не менее, я намерен генерировать модели pymc3 динамически, когда некоторые переменные повторно/фиксированный/ограниченно и т.д.
Я знаю, что я могу получить доступ к функции Theano из model.makefn([expected])
, но это будет зависеть от трансформированных аргументов как sigma_log_
вместо sigma
.
В идеале, я ищу что-то вроде model.evalute([expected], alpha=1, beta=2)
Есть ли такой метод?
Благодаря
def function(a, b):
# do something
basic_model = Model()
with basic_model:
# Priors for unknown model parameters
alpha = Normal('alpha', mu=0, sd=10)
beta = Normal('beta', mu=0, sd=10, shape=2)
sigma = HalfNormal('sigma', sd=1)
# Expected value of outcome
expected = Deterministic('expected', function(alpha,beta))
# Likelihood (sampling distribution) of observations
Y_obs = Normal('Y_obs', mu=function, sd=sigma, observed=Y)